docker搭建深度学习环境&pycharm配置docker远程调试
前言
Pycharm需要专业版。
远程服务器：安装docker（ssh默认已经配置好）
本地笔记本：安装专业版pycharm
一、远程服务器配置
1.docker安装
我使用的远程服务器系统是ubuntu18.04。
安装指定版本docker
sudo apt install curl
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
echo "deb [arch=amd64] https://download.docker.com/linux/ubuntu xenial edge" | sudo tee /etc/apt/sources.list.d/docker.list
sudo apt-get update && sudo apt-get install -y docker-ce=18.03.1~ce-0~ubuntu
上述命令执行完后，就可以做好所有准备工作
启动docker
sudo systemctl enable docker
sudo systemctl start docker
建立docker用户组
# 建立docker组
sudo groupadd docker
# 将当前用户加入docker组
sudo usermod -aG docker $USER
下面可以在终端输入docker info看是否可以使用docker，出现以下信息说明没问题。
配置镜像加速
执行sudo vim /etc/docker/daemon.json，如果系统不存在这个文件则可以新建这个文件。添加以下代码
{
"runtimes": {
"nvidia": {
"path": "nvidia-container-runtime",
"runtimeArgs": []
}
},
"registry-mirrors": [
"https://registry.docker-cn.com"
]
}
然后重启docker服务
sudo systemctl daemon-reload
sudo systemctl restart docker
2.docker配置深度学习环境，以pytorch为例
服务器是3090，因此找到对应版本的pytorch镜像，运行docker pull去拉取pytorch镜像，由于我们要使用gpu版本的pytorch，所以pull的是含有cuda和cudnn的，此外需要安装devel版，不安则不能查看到gpu信息，并且不能对cuda进行编译，
镜像拉取
# 拉取镜像
docker pull pytorch/pytorch:1.9.0-cuda11.1-cudnn8-devel
# 运行镜像, 会创建一个名为pytorch的容器
docker run -it --name pytorch pytorch/pytorch:1.9.0-cuda11.1-cudnn8-devel /bin/bash
# 进入容器后，由于Pytorch镜像已包含有pip，可以看看当前容器安装了什么包
pip list
制作自己的镜像
具体可参考10分钟学会Docker的安装和使用！
如果我们需要安装额外的包，则可以直接pip进行下载，然后exit退出当前容器，并把此容器打包成镜像就可以使用了。下面是保存容器以及镜像的操作：
1.首先查看容器，我们在run镜像的时候就会生成对应的容器。
输入docker ps -a就可以查看正在运行以及历史运行过的容器
因为我们前面起名的容器叫pytorch，可以看到第三行的容器就是我们想要的，容器id是6796c176b44c ，前面我们在这个容器里安装了额外的包，那么我们把它打包为镜像：
打包的格式是docker commit -m="描述信息" -a="作者" 容器id 目标镜像名：[tag]
# 提交容器为镜像
docker commit -m="提交说明" -a="作者" 6796c176b44c pytorch:1.9.0
# 此时可删除容器, 以及之前的那个镜像，避免保存镜像时空间不足
docker images # 查看刚保存的镜像 image_id
# 输出如下，成果制作好自己的镜像
REPOSITORY TAG IMAGE ID CREATED SIZE
pytorch 1.9.0 00deee90e8f8 15 hours ago 17.2GB
二、本地pycharm配置远程docker
1.服务器端配置
修改服务器docker的配置文件
sudo vim /lib/systemd/system/docker.service
进入更改如下
将管理地址写入 /etc/profile
echo 'export DOCKER_HOST=tcp://0.0.0.0:2375' >> /etc/profile
source /etc/profile
重启docker服务
systemctl daemon-reload && systemctl restart docker
至此服务器端已经准备完毕。
2.本地pycharm配置
具体参考pycharm 配置远程docker解释器，这里做了一些补充
增加docker解释器
file->setting
然后查看你远程服务器ip:ifconfig，eno1的ip就是
选择要用的镜像
点OK确定即可。
编写测试脚本
在当前已经配置了解释器的项目下新建一个验证脚本hello_word.py
print(“hello world!”)
配置服务器和文件映射关系
（1）配置远程服务
tools->deployment->configuration
然后测试看能否连接
出现这个说明OK
（2）配置本地文件与服务器文件间的映射关系。
上传本地脚本
配置好后就可以上传本地文件到映射服务器路径
配置脚本运行环境
先设置下path mappings
再设置下docker container settings
至此所有配置完毕，下面就可以在本地运行远程docker容器里的python解释器了。
其他参考：
当Docker遇见Deep Learning
使用Docker搭建实验室共享GPU服务器
Docker-修改docker数据存储目录